Dynamic Routing Between Capsules

24 nov. 201739 j'aime10,724 vues

Fujimoto Keisuke

Recommandé

画像認識と深層学習Yusuke Uchida

日本ロボット学会ロボット工学セミナー第126回ロボットのための画像処理技術講演資料 https://www.rsj.or.jp/event/seminar/news/2020/s126.html 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降，画像認識においては深層学習，その中でも特に畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった．CNNはクラス分類をはじめとして，物体検出やセグメンテーションなど様々なタスクを解くためのベースネットワークとして広く利用されてきている．本講演では，CNNの発展を振り返るとともに，エッジデバイスで動作させる際に重要となる高速化等，関連する深層学習技術の解説を行う． 1. クラス分類向けモデルについて 1.1. ILSVRCで振り返る進化の歴史 1.2. その他重要なモデル 1.3. モデルの自動設計 (Neural Architecture Search) 2. モデルの高速化について 2.1. 軽量モデル 2.2. その他モデルの高速化手法 3. クラス分類以外のタスクにおけるモデル 4. おまけ

深層学習　第6章KCS Keio Computer Society

画像解析の基礎知識LPIXEL

ガイデットフィルタとその周辺Norishige Fukushima

[DL輪読会]ICLR2020の分布外検知速報Deep Learning JP

Soft Rasterizer: A Differentiable Renderer for Image-based 3D ReasoningKohei Nishimura

Numpy scipyで独立成分分析Shintaro Fukushima

SSII2019TS: 実践カメラキャリブレーション～カメラを用いた実世界計測の基礎と応用～SSII

SSII2019 チュートリアル講演 TS3 6月14日(金) 9:00～10:20 (メインホール) カメラの幾何学的キャリブレーションはカメラを使った３次元計測・認識に欠かすことができない基礎技術です。近年では LIDAR や ToF カメラのように深度情報を直接出力するカメラや、全周囲カメラのように透視投影ではないカメラをセンサとして使用することも一般的になりました。本講演ではこれらの幾何学的キャリブレーションについて、実例を交えながら基礎からご紹介します。さらに講演内容に対応した初学者向けのサンプルコードについても紹介します。

データサイエンス概論第一=7 画像処理Seiichi Uchida

[DL輪読会]Pyramid Stereo Matching NetworkDeep Learning JP

初めてのグラフカットTsubasa Hirakawa

顕著性マップの推定手法Takao Yamanaka

SSII2020TS: 物理ベースビジョンの過去・現在・未来〜カメラ・物体・光のインタラクションをモデル化するには〜SSII

SSII2020 チュートリアルセッション TS1 6/10 (水) 9:45～10:55　メイン会場 (vimeo + sli.do) 物理ベースビジョンとは、画像生成を物理・光学現象として捉え、それに基づいて画像から被写体の形状や材質を復元するコンピュータビジョンの一分野である。代表的なものには、１枚の陰影画像から被写体の形状を復元するシェープフロムシェーディング法や複数枚の陰影画像を利用するフォトメトリックステレオ法がある。本チュートリアルでは、1980年代から存在する物理ベースビジョンの基本的な考え方と基礎技術、および近年の研究動向について解説する。

Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Kazuyuki Miyazawa

畳み込みニューラルネットワークの研究動向Yusuke Uchida

2017年12月に開催されたパターン認識・メディア理解研究会（PRMU）にて発表した畳み込みニューラルネットワークのサーベイ「2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降，画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった．ILSVRCでは毎年のように新たなCNNのモデルが提案され，一貫して認識精度の向上に寄与してきた．CNNは画像分類だけではなく，セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている．本稿では，AlexNet以降の代表的なCNNの変遷を振り返るとともに，近年提案されている様々なCNNの改良手法についてサーベイを行い，それらを幾つかのアプローチに分類し，解説する．更に，代表的なモデルについて複数のデータセットを用いて学習および網羅的な精度評価を行い，各モデルの精度および学習時間の傾向について議論を行う．」

Domain Adaptive Faster R-CNN for Object Detection in the Wild 論文紹介Tsukasa Takagi

Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Takashi J OZAKI

オープンワールド認識 (第34回全脳アーキテクチャ若手の会勉強会)Takuma Yagi

9 可視化Seiichi Uchida

20190307 visualslam summaryTakuya Minagawa

NumPy闇入門Ryosuke Okuta

ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜LPIXEL

Depth Estimation論文紹介Keio Robotics Association

SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術〜足りない情報をどのように補うか？〜SSII

6/9 (木) 14:45～15:15 メイン会場講師：石井雅人氏（ソニーグループ株式会社）概要：機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の１つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか？」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。

（文献紹介）エッジ保存フィルタ：Side Window Filter, Curvature FilterMorpho, Inc.

今回はエッジ保存に注目した画像フィルタについて紹介します。画像中のノイズの除去（デノイジング）や、不要なテクスチャの除去（スムーシング）等のタスクにエッジ保存系のフィルタがよくアルゴリズムとして使われています。具体的にはBilateral FilterやGuided Filterと呼ばれているものが有名です。これらは、反復的に最適解を求める手法((TV最適化など))と比べて品質は劣りますが、処理が速いためリアルタイム処理が可能という実用性があります。今回紹介する2つの論文の手法は、どちらも非常にシンプルなアルゴリズムの画像フィルタであり、既存の手法より高い効果が得られるものとなっています。 Morpho, Inc. Website: https://www.morphoinc.com/ Tech Blog: https://techblog.morphoinc.com/

Image J を用いた組織像の定量解析Atsuto ONODA

制限ボルツマンマシン入門佑馬斎藤

Visual SLAM: Why Bundle Adjust?の解説（第4回3D勉強会@関東）Masaya Kaneko

A quantum computational approach to correspondence problems on point setsFujimoto Keisuke

F0-Consistent Many-to-many Non-parallel Voice Conversion via Conditional Auto...Fujimoto Keisuke

Contenu connexe

Tendances (20)

データサイエンス概論第一=7 画像処理Seiichi Uchida

[DL輪読会]Pyramid Stereo Matching NetworkDeep Learning JP

初めてのグラフカットTsubasa Hirakawa

顕著性マップの推定手法Takao Yamanaka

SSII2020TS: 物理ベースビジョンの過去・現在・未来〜カメラ・物体・光のインタラクションをモデル化するには〜SSII

Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Kazuyuki Miyazawa

畳み込みニューラルネットワークの研究動向Yusuke Uchida

Domain Adaptive Faster R-CNN for Object Detection in the Wild 論文紹介Tsukasa Takagi

Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Takashi J OZAKI

オープンワールド認識 (第34回全脳アーキテクチャ若手の会勉強会)Takuma Yagi

9 可視化Seiichi Uchida

20190307 visualslam summaryTakuya Minagawa

NumPy闇入門Ryosuke Okuta

ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜LPIXEL

Depth Estimation論文紹介Keio Robotics Association

SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術〜足りない情報をどのように補うか？〜SSII

（文献紹介）エッジ保存フィルタ：Side Window Filter, Curvature FilterMorpho, Inc.

Image J を用いた組織像の定量解析Atsuto ONODA

制限ボルツマンマシン入門佑馬斎藤

Visual SLAM: Why Bundle Adjust?の解説（第4回3D勉強会@関東）Masaya Kaneko

データサイエンス概論第一=7 画像処理Seiichi Uchida

[DL輪読会]Pyramid Stereo Matching NetworkDeep Learning JP

初めてのグラフカットTsubasa Hirakawa

顕著性マップの推定手法Takao Yamanaka

SSII2020TS: 物理ベースビジョンの過去・現在・未来〜カメラ・物体・光のインタラクションをモデル化するには〜SSII

Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Kazuyuki Miyazawa

畳み込みニューラルネットワークの研究動向Yusuke Uchida

Domain Adaptive Faster R-CNN for Object Detection in the Wild 論文紹介Tsukasa Takagi

Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Takashi J OZAKI

オープンワールド認識 (第34回全脳アーキテクチャ若手の会勉強会)Takuma Yagi

9 可視化Seiichi Uchida

20190307 visualslam summaryTakuya Minagawa

NumPy闇入門Ryosuke Okuta

ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜LPIXEL

Depth Estimation論文紹介Keio Robotics Association

SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術〜足りない情報をどのように補うか？〜SSII

（文献紹介）エッジ保存フィルタ：Side Window Filter, Curvature FilterMorpho, Inc.

Image J を用いた組織像の定量解析Atsuto ONODA

制限ボルツマンマシン入門佑馬斎藤

Visual SLAM: Why Bundle Adjust?の解説（第4回3D勉強会@関東）Masaya Kaneko

Plus de Fujimoto Keisuke (20)

A quantum computational approach to correspondence problems on point setsFujimoto Keisuke

F0-Consistent Many-to-many Non-parallel Voice Conversion via Conditional Auto...Fujimoto Keisuke

YOLACT real-time instance segmentationFujimoto Keisuke

Product Managerの役割、周辺ロールとの差異Fujimoto Keisuke

ChainerRLで株売買を結構頑張ってみた（後編）Fujimoto Keisuke

Temporal Cycle Consistency LearningFujimoto Keisuke

ML@LoftFujimoto Keisuke

20190414 Point Cloud Reconstruction SurveyFujimoto Keisuke

Chainer meetup 9Fujimoto Keisuke

20180925 CV勉強会 SfM解説Fujimoto Keisuke

Sliced Wasserstein Distance for Learning Gaussian Mixture ModelsFujimoto Keisuke

LiDAR-SLAM チュートリアル資料Fujimoto Keisuke

Stock trading using ChainerRLFujimoto Keisuke

Cold-Start Reinforcement Learning with Softmax Policy GradientFujimoto Keisuke

Representation learning by learning to countFujimoto Keisuke

Deep Learning Framework Comparison on CPUFujimoto Keisuke

ICCV2017一人読み会Fujimoto Keisuke

Global optimality in neural network trainingFujimoto Keisuke

CVPR2017 oral surveyFujimoto Keisuke

This document contains a list of 20 links to GitHub repositories related to machine learning and computer vision. The repositories contain resources for tasks such as object detection, image generation, semantic segmentation, depth estimation, graph neural networks, and social behavior analysis. A variety of approaches are represented, including convolutional neural networks, generative adversarial networks, graph convolutional networks, and reinforcement learning models.